颜色空间小结(RGB/YUV/HSV/Lab/...)
经常需要在不同的颜色空间下进行图像处理
经常需要在不同的颜色空间下进行图像处理
学习SelectiveSearch
算法时候,其纹理特征需要计算类SIFT
特征,实现方式是计算每张图片8
个方向上10 bin
大小的高斯导数直方图
参考:
学习OpenCV
的2
维线性滤波器filter2D,发现一句话
1 | Correlation |
之前有接触过correlation
(相关)的存在,但是没有仔细理清相关和卷积的异同,以及与之衍生而来的互相关(cross-correlation
)和滤波(filter
)的概念
边缘检测是图像处理的基本操作之一,其目的是去除图像多余信息,保留图像轮廓数据,以便后续的处理(检测、识别等等)
方向梯度直方图(Histogram Of Oriented Gradients,简称为HOG)是常用的纹理特征之一,本篇文章简单易懂的讲解了HOG概念
利用Jenkins Pipeline
工程编译NodeJS
项目,出现npm not found
问题
参考Jenkins Starting with Pipeline doing a Node.js test,配置NodeJS
开发环境
打算在远程服务器上运行Jenkins
,忽然发现git
没有安装,搞了半天没有成功(各种依赖问题,条件限制不能重启机器),所以尝试通过Docker
运行Jenkins
以下主要涉及颜色直方图的概念和计算
最开始学习数字图像处理的时候就接触到了直方图的概念,也记录过OpenCV 1.x/2.x
的直方图实现代码
颜色/纹理等特征通过直方图的形式能够有效的作用于图像检测/识别算法,所以打算再整理一下相关的概念和实现。参考:
头文件地址:/path/to/opencv-4.0.1/modules/imgproc/include/opencv2/imgproc.hpp
源文件地址:/path/to/opencv-4.0.1/modules/imgproc/src/histogram.cpp
学习论文Selective Search for Object Recognition
,在网上查找相关资料时发现这篇文章,对于选择性搜索算法及其特征提取方式概括的比较好,所以翻译下来以便后续的学习
原文地址:Selective Search for Object Detection (C++ / Python)
In this tutorial, we will understand an important concept called “Selective Search” in Object Detection. We will also share OpenCV code in C++ and Python.
在本教程中,我们将了解一个重要的概念 - 基于选择性搜索的目标检测。文章末尾还包含了OpenCV示例